Learning Objectives, Insights, and Assessments: How Specification Formats Impact Design
尽管沟通可视化无处不在,但在设计过程中指定沟通意图是特别的。无论我们是从一组可视化中进行选择,委托他人制作它们,还是自己创建它们,指定意图的有效方法都可以帮助指导这个过程。理想情况下,我们应该有一个简洁的和共享的规约语言。在以前的工作中,我们认为交际意图可以被视为一个学习/评估问题(即,读者应该学习什么,他们应该在什么测试中做得很好)。基于学习的规范格式被链接(例如,评估是从目标中得出的),但有些评估可能更有效地说明沟通意图。通过一个大规模的实验,我们研究了三种规格类型:学习目标,见解和评估。参与者,这些规范之一的指导下,评价他们的偏好的一组可视化设计。然后,我们评估了一组可视化设计,以评估哪些规范导致参与者更喜欢最有效的可视化。我们发现,虽然所有的规范类型都有好处,没有规范,每种格式都有自己的优势。我们的研究结果表明,学习基于目标的规范帮助参与者在可视化选择。我们还确定了规格可能不足和评估至关重要的情况。
2021-08-06 cs.HC
Facilitating Conversational Interaction in Natural Language Interfaces for Visualization
自然语言(NL)工具包使可视化开发人员(他们可能没有自然语言处理(NLP)背景)能够为最终用户创建自然语言接口(NLI),以便灵活地指定可视化并与之交互。然而,这些工具包目前仅支持一次性话语,具有最小的能力来促进用户和系统之间的多轮对话。开发具有这种会话交互功能的NLI仍然是一项具有挑战性的任务,需要实现低级NLP技术来处理新查询,以跟踪旧查询。我们扩展了现有的基于Python的工具包NL 4DV,该工具包处理有关表格数据集的NL查询,并返回包含数据属性,分析任务和相关可视化的分析规范,建模为JSON对象。具体来说,NL 4DV现在使开发人员能够促进关于数据集的多个同时对话,并解决相关的歧义,将新的对话信息添加到输出JSON对象中。我们通过三个例子来展示这些功能:(1)NLI学习Vega-Lite语法的各个方面,(2)思维导图应用程序创建自由流动的对话,以及(3)聊天机器人回答问题并解决歧义。
2022-08-12 cs.HC
Data Navigator: An accessibility-centered data navigation toolkit
针对残障人士数据可视化无障碍性不足的问题,提出基于动态图结构的 Data Navigator 工具包,支持多种输入模态,可构建可导航结构,并通过三个案例验证其有效性。
2023-08-16 cs.HC
How do Observable Users Decompose D3 Code? A Qualitative Study
通过对 Observable 上 715 个 D3 程序的定性分析和访谈,识别出程序级、图表级和组件级三种代码分解层次,发现用户偏好组件级推理,并揭示用户实践与图形语法之间的差异,为改进可视化工具包和 AI 助手提供依据。
2025-07-04 cs.HC
NCTV: Neural Clamping Toolkit and Visualization for Neural Network Calibration
National Tsing Hua University(国立清华大学);MediaTek Inc.(联发科技股份有限公司);IBM Research(IBM研究院);The Chinese University of Hong Kong(香港中文大学)
随着深度学习技术的进步,神经网络已经在许多任务中展示了其提供准确预测的出色能力。然而,缺乏对神经网络校准的考虑将不会获得人类的信任,即使是对于高精度模型。在这方面,模型预测的置信度与实际正确性可能性之间的差距必须弥合,以导出校准良好的模型。在本文中,我们介绍了神经箝位工具包,这是第一个开源框架,旨在帮助开发人员采用最先进的模型不可知校准模型。此外,我们在演示中提供动画和交互部分,以使研究人员熟悉神经网络中的校准。还介绍了使用我们的工具包的Colab教程。
2022-11-29 cs.AI cs.HC cs.LG
Generating Analytic Specifications for Data Visualization from Natural Language Queries using Large Language Models
本文提出一种综合文本提示词,利用LLM从自然语言查询生成包含数据属性、分析任务和可视化推荐的分析规范,提升可解释性与可调试性,并支持对话交互与歧义检测,已集成至NL4DV工具包。
2024-08-27 cs.HC
Domain-Centered Support for Layout, Tasks, and Specification for Control Flow Graph Visualization
编译器、性能分析和安全等领域的计算专业人员经常在工作中分析和操作控制流图(CFG)。CFG是描述程序执行中指令的可能排序的有向网络。可视化CFG是开发或调试使用它们的计算方法的常见活动。然而,一般的图形绘制布局,包括经常应用于CFG的分层布局,并不捕获特定于CFG的结构或任务,因此所得到的绘图可能不匹配其受众的需求,特别是对于更复杂的程序。虽然一些算法在指定布局方面提供了灵活性,但它们通常需要这些潜在用户不具备的图形绘制布局和图元的专业知识。为了将特定于领域的CFG绘图带给这些受众,我们开发了CFGConf,这是一个旨在匹配CFG专家抽象级别的库。CFGConf提供了一个JSON接口,可以生成独立的图形,也可以集成到多视图可视化系统中。我们开发了CFGConf通过与专家的交互式设计过程,同时结合从以前的CFG可视化系统,在计算系统会议的CFG绘图惯例的调查,和现有的设计原则符号的经验教训。我们评估CFGConf的表现力,可用性和记谱效率,通过用户研究和说明性的例子。CFG专家能够使用该库来生成领域感知布局,并赞赏该规范的任务感知性质。
2022-09-26 cs.HC
VizLinter: A Linter and Fixer Framework for Data Visualization
尽管自动化可视化工具日益流行,但现有系统倾向于提供不总是适合输入数据或满足可视化要求的直接结果。因此,在实际用例中仍然需要进行额外的规范调整。然而,手动调整是困难的,因为大多数用户不一定拥有足够的技能或可视化知识。即使是有经验的用户也可能创建不完美的可视化,涉及图表构造错误。我们提出了一个框架,VizLinter,以帮助用户检测缺陷和纠正已经建成,但有缺陷的可视化。该框架由两个组件组成,(1)可视化linter,它应用公认的原则来检查渲染的可视化的合法性,以及(2)可视化fixer,它根据linter自动纠正检测到的违规。我们实现的框架到一个在线编辑器原型的基础上Vega-Lite规范。为了进一步评估该系统,我们进行了实验室用户研究。结果证明了它在识别和修复数据可视化错误方面的有效性和效率。
2021-08-23 cs.HC
VizCommender: Computing Text-Based Similarity in Visualization Repositories for Content-Based Recommendations
基于云的可视化服务使可视化分析比以往任何时候都更广泛。Tableau等系统已经开始以交互式可视化工作簿的形式积累越来越大的分析知识库。当共享时,这些集合可以形成视觉分析知识库。然而,随着收集的数量增加,查找相关信息的难度也随之增加。基于内容的推荐(CBR)系统可以帮助分析人员发现和管理与他们的兴趣相关的工作簿。为了实现这一目标,我们专注于基于文本的内容,它代表了可视化的主题,而不是视觉编码和风格。我们将讨论与基于可视化规范创建CBR相关的挑战,并更具体地探讨如何使用Tableau工作簿规范作为内容数据源来实施所需的相关性度量。我们还演示了什么样的信息可以从这些可视化规范中提取,以及如何使用各种自然语言处理技术来计算工作簿之间的相似性作为一种方法来衡量相关性。我们报告了一项众包用户研究,以确定我们的相似性度量是否模仿了人类的判断。最后,我们选择潜在狄利克雷分配(LDA)作为一个特定的模型,并在一个概念验证推荐工具中实例化,以展示我们的相似性度量的基本功能。
2020-08-18 cs.HC
STRIELAD -- A Scalable Toolkit for Real-time Interactive Exploration of Large Atmospheric Datasets
针对高精度天气气候模拟带来的大规模数据可视化与分析挑战,提出可扩展天气分析工具包STRIELAD,结合高性能计算的并行分布式特征提取与智能细节层次渲染,实现大规模大气数据集的实时交互式探索与可视化。
2025-01-24 cs.DC cs.GR cs.HC
Surfacing Visualization Mirages
肮脏的数据和欺骗性的设计实践可能会破坏、颠倒或使图表和图形的预期信息无效。这些失败可能会悄悄地出现:从特定可视化中得出的结论可能看起来似乎是合理的,除非分析师仔细观察并发现支持数据、可视化规范或他们自己的假设存在问题。我们将这种无声但重大的失败称为“视觉幻象”。我们描述了海市蜃楼的概念模型,并展示了它们如何在可视化分析过程的每个阶段生成。我们采用了一种方法,从软件测试,“变形测试”,作为一种自动表面的潜在的海市蜃楼在视觉编码阶段的分析,通过修改底层数据和图表规范。我们表明,变形测试可以可靠地识别海市蜃楼在各种图表类型的数据或域的先验知识相对较少。
2020-01-08 cs.HC
Data2Vis: Automatic Generation of Data Visualizations Using Sequence to Sequence Recurrent Neural Networks
IBM Research(IBM研究院);MIT CSAIL(麻省理工学院计算机科学与人工智能实验室);Fitnescity Labs(Fitnescity实验室)
对于在统计和数据可视化方面时间有限、技能有限的用户来说,使用表达性语法快速创建有效的可视化是一项挑战。即使是高级的专用可视化工具,也经常需要用户手动选择数据属性,决定要应用哪些转换,并指定可视化编码变量与原始或转换后的属性之间的映射。在本文中,我们介绍了Data 2 Vis,这是一个神经翻译模型,用于从给定的数据集自动生成可视化。我们制定可视化生成作为一个序列到序列的翻译问题,数据规范映射到可视化规范的声明性语言(Vega-Lite)。为此,我们在可视化规范的语料库上训练一个具有长短期记忆(LSTM)单元的多层基于注意力的递归神经网络(RNN)。定性结果表明,我们的模型学习了有效的可视化规范的词汇和语法,适当的转换(计数,箱,平均值)以及如何使用数据可视化中出现的常见数据选择模式。Data 2 Vis可以在很短的时间内生成与手动创建的可视化效果相当的可视化效果,并有可能大规模学习更复杂的可视化策略。
2018-11-02 cs.AI cs.HC cs.LG
KG4Vis: A Knowledge Graph-Based Approach for Visualization Recommendation
可视化推荐或自动可视化生成可以显著降低一般用户快速创建有效数据可视化的障碍,特别是对于那些没有数据可视化背景的用户。然而,现有的基于规则的方法需要可视化专家繁琐的手动规范的可视化规则。其他基于机器学习的方法通常像黑盒一样工作,并且难以理解为什么推荐特定的可视化,从而限制了这些方法的更广泛采用。本文提出了一种基于知识图谱(KG)的可视化推荐方法KG4Vis,填补了这一空白。它不需要手动规范的可视化规则,也可以保证良好的可解释性。具体来说,我们提出了一个用于构建知识图谱的框架,该框架由三种类型的实体组成(即,数据特征、数据列和可视化设计选择)以及它们之间的关系,以建模数据和有效可视化之间的映射规则。一个基于transE的嵌入技术,学习嵌入的实体和知识图谱的关系,从现有的知识图谱可视化对。这样的嵌入本质上模拟了理想的可视化规则。然后,给定新的数据集,可以从具有语义有意义的规则的知识图谱中推断出有效的可视化。我们进行了广泛的评估,以评估所提出的方法,包括定量比较,案例研究和专家访谈。实验结果证明了该方法的有效性。
2021-12-26 cs.HC
Visualization Generation with Large Language Models: An Evaluation
Beijing Institute of Technology(北京理工大学);University of Oxford(牛津大学)
本文评估了不同大语言模型在NL2VIS任务中生成可视化规范的能力,发现提示策略、图表类型和模型间存在显著性能差异,并提出改进基准的方向。
2025-12-11 cs.HC
Flint: A Semantics-Driven Data Visualization Intermediate Language
Renmin University of China(中国人民大学);Microsoft(微软)
Flint是一种语义驱动的数据可视化中间语言,通过分层数据语义模型,让作者从简洁规范创建高质量可视化,能生成并优化与库无关的配置,转化为多目标语法的可执行规范,简化创作过程且不损视觉质量。
2026-07-24 cs.HC cs.PL
Lexara: A User-Centered Toolkit for Evaluating Large Language Models for Conversational Visual Analytics
Tableau Research, Salesforce(Tableau研究机构,Salesforce)
Lexara是一种以用户为中心的评估工具包,用于评估对话式可视化分析中的大型语言模型,通过多格式输出的可解释指标和交互式工具帮助用户进行模型和提示选择。
2026-03-06 cs.AI cs.HC
DIVI: Dynamically Interactive Visualization
本研究提出动态交互式可视化方法DIVI,通过运行时解构SVG图表、推断内容并解耦交互与规范逻辑,实现跨工具、图表类型的自由交互,经13人可用性研究验证其可助力快速数据探索分析。
2023-11-05 cs.HC
VegaProf: Profiling Vega Visualizations
本文提出首个 Vega 可视化性能剖析器 VegaProf,通过将声明式规范与编译执行关联,在函数、数据流图和可视化规范三个抽象层次上实现交互式性能检查,使 Vega 可视化剖析更易处理且更具可操作性。
2023-09-18 cs.DB cs.HC cs.PL
RÉCITKIT: A Spatial Toolkit for Designing and Evaluating Human-Centered Immersive Data Narratives
针对沉浸式数据叙事缺乏构建指导的问题,本文提出工具包RÉCITKIT以支持HMD环境中的空间数据叙事,通过案例开发与21人评估验证其价值,为相关领域工具包驱动方法提供参考。
2025-08-26 cs.HC
Raiven: LLM-Based Visualization Authoring via Domain-Specific Language Mediation
Harvard John A. Paulson School of Engineering and Applied Sciences(哈佛大学约翰·A·保尔森工程与应用科学学院);MIT Computer Science & Artificial Intelligence Laboratory(麻省理工学院计算机科学和人工智能实验室);Laboratory of Systems Pharmacology, Harvard Medical School(哈佛医学院系统药理学实验室);ORNL(橡树岭国家实验室)
Raiven通过领域特定语言中介,统一科学与信息可视化,实现确定性编译和高正确性可视化作者化。
2026-04-11 cs.HC
Advancing Visual Specification of Code Requirements for Graphs
University of Oregon(俄勒冈大学)
人文学科的研究人员是目前正在探索大数据世界的许多人之一。他们已经开始使用Python或R等程序设计语言及其相应的库来操作大型数据集并发现全新的见解。仍然存在的主要障碍之一是将这些数据的可视化整合到他们的项目中。可视化库可能很难学习如何使用,即使是那些受过正规培训的人。然而,这些可视化对于识别主题和将结果传达给其他研究人员以及公众至关重要。本文的重点是使用机器学习生成有意义的数据可视化。我们允许用户直观地指定他们的代码要求,以降低人文研究人员学习如何编程可视化的障碍。我们使用一种混合模型,结合神经网络和光学字符识别来生成代码以创建可视化。
2020-07-29 cs.CV cs.HC cs.LG
Database Theory + X: Database Visualization
该研究建立数据建模与可视化的关联,指出可视化规范是数据库约束到视觉表示的映射,证明可视化设计决策实为数据建模选择,并将数据可视化从单数据集扩展至数据库层面。
2024-12-05 cs.DB cs.HC
Designing Visualization Widgets for Tangible Data Exploration: A Systematic Review
本文针对实体数据探索中的任务、交互和可视化小部件进行了系统性综述,分析了现有设计并提出了未来小部件设计工具包的研究议程。
2025-07-01 cs.HC
VMC: A Grammar for Visualizing Statistical Model Checks
VMC提出了一种用于统计模型检查的可视化语法,通过四个组件定义可视化,实现为R包,验证显示其能减少可视化编辑距离,专家访谈揭示了探索有效模型检查可视化的挑战与机遇。
2024-08-29 cs.HC
The Urban Toolkit: A Grammar-based Framework for Urban Visual Analytics
本文提出Urban Toolkit(UTK),通过面向城市用例的高级语法和knots数据融合概念,降低城市可视分析的开发门槛,并促进主题与物理城市数据层的整合与可视化。
2023-08-15 cs.CY cs.HC
PhysioKit: Open-source, Low-cost Physiological Computing Toolkit for Single and Multi-user Studies
PhysioKit是一个开源、低成本的生理计算工具包,提供模块化传感与数据采集层及支持机器学习的软件应用层,支持多用户同步采集,验证显示其心率与心率变异性测量与研究级传感器高度一致,并具有良好的可用性和可扩展性。
2023-09-12 cs.HC
Where LLMs Fail with Visualization DSLs
本研究评估了3个LLM在10种JSON风格可视化DSL上的41项任务,识别出四种反复出现的失败模式,并将其与特定DSL特征关联,为未来DSL设计提供指导。
2026-10-27 cs.CL cs.HC
Intents, Techniques, and Components: a Unified Analysis of Interaction Authoring Tasks in Data Visualization
University of Maryland College Park(马里兰大学帕克分校)
本文通过分析592个交互单元,提出数据可视化交互作者任务的统一分析框架,涵盖意图、技术及组件三个层次,用于评估和指导交互工具开发。
2025-11-30 cs.HC
"Customization is Key": Reconfigurable Content Tokens for Accessible Data Visualizations
本文将屏幕阅读器可视化定制建模为可配置内容令牌序列,扩展 Olli 支持持久与临时定制,并通过 13 名 BLV 用户研究验证其收益与复杂性。
2024-02-29 cs.HC
ReVis: Towards Reusable Image-Based Visualizations with MLLMs
Nanyang Technological University(南洋理工大学);Sichuan University(四川大学);Singapore Management University(新加坡管理大学);Huazhong University of Science and Technology(华中科技大学)
ReVis通过引入领域特定语言和MLLM管道,实现复杂可视化的灵活重用,支持分解与再现,并通过交互界面实现数据更新与编码定制。
2026-04-17 cs.HC
VisGrader: Automatic Grading of D3 Visualizations
提出首个D3可视化自动评分方法VisGrader,可扩展精确评估数据绑定、视觉编码、交互和设计规范,已成功为超4000名学生提供快速反馈与评分。
2023-10-20 cs.HC
Manipulable Semantic Components: a Computational Representation of Data Visualization Scenes
针对现有可视化场景抽象适用范围有限的问题,本文提出MSC计算表示,以统一对象模型和组件操作支持场景理解、创作、解构复用及动画规约。
2024-08-09 cs.HC
Towards Automatic Grading of D3.js Visualizations
手动对D3数据可视化进行评分是一项具有挑战性的工作,对于有数百名学生的大型班级尤其困难。对交互式可视化进行分级需要交互式、定量和定性评估的组合,这些评估通常是手动完成的,并且随着可视化复杂性、数据大小和学生数量的增加而难以扩展。我们提出了一种D3可视化的自动分级方法,该方法可扩展且精确地评估可视化中使用的数据绑定、视觉编码、交互和设计规范。我们的方法显示出增强学生学习体验的潜力,使他们能够频繁提交代码并获得快速反馈,以更好地通知迭代和改进代码和可视化设计。我们的方法促进了一致的评分,使教师能够投入更多的精力来帮助学生获得可视化知识和经验。我们已经成功地部署了我们的方法和自动分级的D3提交从1000多名本科生和研究生在佐治亚理工学院的CSE6242数据和可视化分析课程,并收到积极的反馈和鼓励,以扩大其采用。
2021-10-21 cs.HC
Visualization According to Statisticians: An Interview Study on the Role of Visualization for Inferential Statistics
University of Maryland, College Park(马里兰大学帕克分校)
本文通过对18名专业统计学家的访谈研究,探究可视化在推断统计中的作用,总结其可视化使用习惯、推断统计心智模型及设计建议,为推断统计可视化设计提供参考。
2023-09-22 cs.HC
Visualization by Example
虽然可视化在从数据中获得洞察力方面发挥着至关重要的作用,但从复杂的数据集生成有用的可视化远非一件容易的事情。除了理解现有可视化库提供的功能外,生成所需的可视化还需要重塑和聚合底层数据,以及组合不同的视觉元素以实现预期的视觉叙事。本文的目的是简化可视化任务,自动合成所需的程序,从简单的视觉草图由用户提供。具体来说,给定一个输入数据集和一个演示如何可视化该数据的一个非常小的子集的可视化草图,我们的技术自动生成一个程序,可以用来可视化整个数据集。自动化可视化带来了几个挑战。首先,由于许多可视化任务除了生成图之外还需要数据处理,因此我们需要将端到端合成任务分解为两个单独的子问题。其次,由于分解产生的中间规范必然是不精确的,这使得数据争论任务在我们的上下文中特别具有挑战性。在本文中,我们解决这些问题,通过开发一种新的组合可视化的例子技术,(a)分解成两个不同的合成问题,在不同的DSL和(b)利用双向程序分析,以处理复杂性,从有一个不精确的中间规范的端到端的任务。我们实现了我们的可视化的例子算法,并评估它的83可视化任务收集在线论坛和教程。Viser可以在600秒的时间限制内解决84%的基准测试,并且,对于可以解决的任务,Viser在70%的情况下生成的期望可视化是前5名之一。
2019-11-21 cs.HC cs.PL
Data Point Selection for Line Chart Visualization: Methodological Assessment and Evidence-Based Guidelines
针对时间序列下采样数据点选择算法评估文献有限的问题,提出基于指标的评估方法学,引入“视觉稳定性”概念,评估四种算法并制定大规模折线图可视化指南。
2023-04-03 cs.HC
No Grammar to Rule Them All: A Survey of JSON-style DSLs for Visualization
在使用基于JSON的语法以及其他标准数据序列化语言来创建可视化方面,已经有了实质性的增长。这些语法中的每一个都有一个目的:一些专注于特定的计算任务(如动画),一些涉及某些图表类型(如地图),而一些则针对特定的数据域(如ML)。尽管这种界面形式很突出,但很少有详细分析这些语言的特征。在这项研究中,我们调查和分析了57个JSON风格的DSL可视化的设计和实现。我们分析了这些语言的支持下收集语料库的例子,每个DSL(包括4395个实例)在各种轴组织成关注领域,概念模型,语言关系,启示,和一般的实用性。我们确定在这些领域的紧张关系,如正式和口语规范之间,用户类型之间,以及语言的组成。通过这项工作,我们试图通过阐明可视化DSL设计中的选择,机会和权衡来支持语言实现者。
2022-07-16 cs.HC
Data Changes Everything: Challenges and Opportunities in Data Visualization Design Handoff
复杂的数据可视化设计项目通常需要具有不同可视化相关技能的人员之间的协作。例如,许多团队既包括创建新的可视化设计的设计师,也包括实现最终可视化软件的开发人员。我们确定了数据特征化工具、可视化设计工具和开发平台之间的差距,这些差距给致力于创建新数据可视化的设计师-开发人员团队带来了挑战。虽然商业交互设计工具通常支持设计人员和开发人员之间的协作,但创建数据可视化带来了当前工具不支持的几个独特挑战。特别是,可视化设计人员必须描述和建立对底层数据的理解,然后指定布局,数据编码和其他数据驱动的参数,这些参数在许多不同的数据值中都是健壮的。在较大的团队中,设计人员还必须将这些映射及其依赖关系清楚地传达给开发人员、客户和其他合作者。我们报告了五个大型多学科可视化设计项目的观察和思考,并强调了设计规范和移交的六个数据特定的可视化挑战。这些挑战包括适应不断变化的数据,预测数据中的边缘情况,理解技术挑战,阐明依赖于数据的交互,传达数据映射,以及在迭代过程中保持数据映射的完整性。基于这些观察,我们确定了未来的原型设计,测试和交流数据驱动的设计,这可能有助于更成功的和协作的数据可视化设计的工具的机会。
2019-08-01 cs.HC
Plotly-Resampler: Effective Visual Analytics for Large Time Series
Ghent University - imec(根特大学-imec)
可视化分析可以说是熟悉数据的最重要的一步。对于时间序列尤其如此,因为这种数据类型很难描述,并且在使用汇总统计时无法完全理解。为了实现有效的时间序列可视化,必须满足四个要求:工具应该是(1)交互式的,(2)可扩展到数百万个数据点,(3)可集成在传统的数据科学环境中,以及(4)高度可配置。我们观察到,开源Python可视化工具包使数据科学家能够完成大多数可视化分析任务,但缺乏可扩展性和交互性的组合,无法实现有效的时间序列可视化。为了满足这些需求,我们创建了Plotly-Resampler,这是一个开源Python库。Plotly-Resampler是Plotly的Python绑定的一个插件,通过根据当前图形视图聚合底层数据,在交互式工具包之上增强了折线图的可伸缩性。Plotly-Resampler的构建非常简洁,因为工具的反应性会定性地影响分析师可视化地探索和分析数据的方式。一个基准测试任务强调了我们的工具包在样本数量和时间序列方面如何比替代品更好地扩展。此外,Plotly-Resampler灵活的数据聚合功能为研究新的聚合技术铺平了道路。Plotly-Resampler的可集成性,以及它的可配置性,方便性和高可扩展性,允许在日常Python环境中有效地分析高频数据。
2022-07-17 cs.HC cs.LG eess.SP
Falx: Synthesis-Powered Visualization Authoring
现代可视化工具旨在让数据分析师轻松创建探索性可视化。当输入数据布局符合可视化设计时,用户可以通过将数据列映射到设计的视觉通道来容易地指定可视化。然而,当数据布局和设计之间存在不匹配时,用户需要在数据转换上花费大量精力。我们提出了Falx,一个合成动力的可视化工具,允许用户以类似简单的方式指定可视化,但无需担心数据布局。在Falx中,用户使用输入中的具体值如何映射到视觉通道的示例来指定可视化,Falx自动推断可视化规范并转换数据以匹配设计。在一项由33名数据分析师参与的关于四个涉及数据转换的可视化任务的研究中,我们发现用户可以有效地采用Falx来创建他们无法实现的可视化。
2021-02-01 cs.HC cs.PL
A Generative AI System for Biomedical Data Discovery with Grammar-Based Visualizations
Harvard Medical School(哈佛医学院)
本文提出一个结合生成式AI与基于语法的可视化的多智能体系统,通过自然语言逐步构建交互式仪表板,用于生物医学数据发现,并通过案例研究验证其效用。
2025-09-19 cs.AI cs.HC
GEViTRec: Data Reconnaissance Through Recommendation Using a Domain-Specific Prevalence Visualization Design Space
基因组流行病学(genEpi)是公共卫生的一个分支,它使用许多不同的数据类型,包括表格,网络,基因组和地理,以识别和遏制致命疾病的爆发。由于数据的数量和多样性,genEpi领域专家进行数据侦察是一项挑战;也就是说,对他们拥有的数据进行概述,并对其质量,完整性和适用性进行评估。我们提出了一个算法,通过自动可视化推荐,GEViTRec的数据侦察。我们的方法处理各种各样的数据集类型,并自动生成协调的图表组合,与现有的系统,主要集中在单例可视化编码的表格数据集。我们通过分析非数值属性字段,自动检测多个输入数据集之间的链接,创建一个实体图,在其中分析和排名路径。对于每一个高排名的路径,我们指定的图表组合与空间和颜色的对齐共享字段之间,使用逐步绑定的方法来转换初始的部分规格的单例图表,以完成规格的对齐和定向一致。我们的方法的一个新颖的方面是它的领域不可知的元素与特定领域的信息,通过特定领域的可视化流行设计空间被捕获的组合。我们的实现被应用于埃博拉疫情的合成数据和真实数据。我们将GEViTRec的输出与以前的可视化推荐系统生成的输出进行比较,并与从业者使用的手动可视化进行比较。我们与10位genEpi专家进行了形成性评估,以评估我们结果的相关性和可解释性。
2020-10-22 cs.HC q-bio.GN
Towards Efficient Visual Simplification of Computational Graphs in Deep Neural Networks
Zhejiang University(浙江大学);Huawei Technologies Co., Ltd.(华为技术有限公司)
深度神经网络(DNN)中的计算图表示由许多张量和运算符组成的特定数据流图(DFD)。用于可视化计算图的现有工具包在结构高度复杂和大规模(例如,BERT [1])。为了解决这个问题,我们建议利用一套视觉简化技术,包括循环删除方法,基于模块的边缘修剪算法,和同构子图堆叠策略。我们设计并实现了一个交互式可视化系统,它适用于多达一万个元素的计算图。实验结果和使用场景表明,我们的工具平均减少了60%的元素,从而提高了识别和诊断DNN模型的性能。我们的贡献被集成到开源DNN可视化工具包中,即MindInsight [2]。
2022-12-21 cs.AI cs.HC cs.LG
A Formalism and Library for Database Visualization
本文提出首个支持数据库输入的可视化形式化体系,将可视化规范定义为数据库约束到视觉表示的映射,并开发了 JavaScript 程序库 dvl,通过案例研究证明其优于现有可视化系统与语法语言。
2025-04-11 cs.DB cs.HC
Explainable Machine Learning for Categorical and Mixed Data with Lossless Visualization
Central Washington University(中华盛顿大学)
针对异构混合数据,提出非数值属性编码方案、无损可视化方法及SRG算法,构建准确可解释的ML模型并通过实验验证,推进了混合数据全范围ML算法的发展。
2023-11-23 cs.HC cs.LG
ChartDesign: Towards LLM Designer of Data Visualization
University of Maryland, College Park(马里兰大学学院公园分校)
本文提出ChartDesign,利用大语言模型生成数据可视化设计属性,提升图表设计性能,实现84%的准确率,并在未见领域中表现出色。
2026-04-06 cs.AI cs.HC
Prototyping Information Visualization in 3D City Models: a Model-based Approach
在创建3D城市模型时,选择相关的可视化技术是一项特别困难的用户界面设计任务。第一个障碍是目前面向地理数据的工具,例如ArcGIS,具有有限的3D能力和有限的可视化技术。另一个重要的障碍是缺乏统一的三维城市模型的信息可视化技术的描述。如果为不同类型的数据或信息(风流量、空气质量场、历史或法律文本等)设计了许多技术,一般都是用文章来描述,没有真正的形式化。在本文中,我们提出了一个基于模型的方法,快速原型的可视化技术(丰富的)三维城市模型的可视化信息的问题。我们建议将可视化技术表示为图形变换的组合。我们表明,这些转换可以指定SPARQL的RDF图的建设操作。然后,这些规范可以在原型生成器中使用,以生成包含使用所需技术表示的数据增强的3D城市模型的3D场景。
2015-05-27 cs.GR cs.HC
Autark: A Serverless Toolkit for Prototyping Urban Visual Analytics Systems
Universidade Federal Fluminense(弗鲁米嫩塞联邦大学);New York University(纽约大学);University of Illinois Chicago(伊利诺伊大学芝加哥分校)
本文提出Autark,一个用于快速原型设计城市视觉分析系统的无服务器工具包,通过领域感知抽象和结构化接口,提升AI辅助编码效率,并通过实验验证其在构建稳健可共享原型中的能力。
2026-04-22 cs.GR cs.HC cs.SE
Improving the Visualization of Alloy Instances
Alloy是一种轻量级的正式规约语言,由IDE支持,它已被证明非常适合在早期开发阶段进行软件设计推理。IDE提供了一个可视化工具,它可以生成分析结果的图形表示,这对于正确验证模型至关重要。Alloy是一种丰富的语言,但本质上是静态的,因此行为需要显式编码和推理。尽管这是一个常见的场景,但可视化工具在处理此类模型时存在限制。本文的主要贡献是一个原则性的方法来生成实例可视化,它改进了当前的合金可视化,专注于行为的表示。
2018-11-27 cs.HC cs.PL cs.SE
P6: A Declarative Language for Integrating Machine Learning in Visual Analytics
University of California at Davis(加州大学戴维斯分校)
我们提出了P6,一个声明性语言,用于建立高性能的可视化分析系统,通过其支持指定和集成机器学习和交互式可视化方法。随着基于机器学习和人工智能的数据分析方法不断发展,可视化分析解决方案可以利用这些方法更好地利用大型复杂数据。然而,将机器学习方法与交互式视觉分析相结合是具有挑战性的。现有的用于可视化的声明性编程库和工具包缺乏对耦合机器学习方法的支持。通过为可视化分析提供声明性语言,P6可以使更多的开发人员能够创建可视化分析应用程序,这些应用程序将机器学习和可视化方法结合起来,用于数据分析和问题解决。通过各种示例应用程序,我们展示了P6的功能,并展示了使用声明式规范构建可视化分析系统的好处。我们还确定并讨论了声明式视觉分析的研究机会和挑战。
2020-09-03 cs.HC cs.LG cs.PL